DNN-mnist数据集识别

在win10环境下,利用Python3.6和Tensorflow1.12进行深度神经网络(DNN)训练,针对MNIST数据集进行手写数字识别。在训练过程中,经过多个步骤,模型的损失值逐渐降低,准确率逐步提高,最终在测试集上达到0.8676的准确率。
摘要由CSDN通过智能技术生成

DNN-mnist数据集识别

win10
python3.6
tensorflow1.12

import numpy as np
import tensorflow as tf

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/mnist/", one_hot=True)

# 超参设置
learning_rate = 0.01
num_steps = 500
batch_size = 128
display_step = 100

# 网络参数
n_hidden_1 = 256
n_hidden_2 = 256
num_input = 784
num_classess = 10

# 输入设置
X = tf.placeholder("float", [None, num_input])
Y = tf.placeholder("float", [None, num_classess])

# 网络权重设置
weights = {
   
    "h1" : tf.Variable(tf.random_normal([num_input, n_hidden_1])),
   
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值